用在上面的__init__函数上 调用torch_utils.py下model_info函数打印模型信息

CSP Bottleneck with 3 convolutions :params c1: 整个BottleneckCSP的输入channel :params c2: 整个BottleneckCSP的输出channel :param

用到下面的check_git_status、check_requirements等函数 train.py、val.py、detect.py等文件中 把输出的开头和结尾加上颜色 命令行输出显示会更加好看 如: colorstr('blue', 'hello world') Col

:params normalize: 是否将混淆矩阵归一化 默认True :params save_dir: runs/train/expn 混淆矩阵保存地址 :params names: 数据集的所有类别名 :return None

这个函数被广泛的用于整个项目的各个文件中，只要涉及获取当前时间的操作，就需要调用这个函数 精确计算当前时间 并返回当前时间 https://blog.csdn.net/qq_23981335/article/details/105709273 pytorch-accurat

用在detect.py和test.py中 操作最后, 将预测信息从xyxy格式转为xywh格式 再保存 Convert nx4 boxes from [x1, y1, x2, y2] to [x, y, w, h] where x1y1=top-left, x2y2=bottom-rig

用在train.py、detect.py、test.py等文件中检查本地有没有这个文件 检查相关文件路径能否找到文件 并返回文件名 Search/download file (if necessary) and return path

这是个用处特别广泛的函数 train.py、detect.py、test.py等都会用到 递增路径 如 run/train/exp --> runs/train/exp{sep}0, runs/exp{sep}1 etc. :params path: window path ru

用在test.py中 操作之前 转为xyxy才可以进行操作 注意: x的正方向为右面 y的正方向为下面 Convert nx4 boxes from [x, y, w, h] to [x1, y1, x2, y2] where x1y1=top-left, x2y2=bottom

用在train.py、val.py、detect.py等文件 用于检查已经安装的包是否满足requirements对应txt文件的要求 Check installed dependencies meet requirements (pass *.txt file or list of

通过指标加权的形式返回适应度(最终mAP) 在train.py中使用 Model fitness as a weighted combination of metrics 判断模型好坏的指标不是mAP@0.5也不是mAP@0.5:0.95 而是[P, R, mAP@0.5, mAP

用在LoadImagesAndLabels模块的__getitem__函数 只在val时才会使用 将图片缩放调整到指定大小 Resize and pad image while meeting stride-multiple constraints https://gith

用在LoadImagesAndLabels模块的__init__函数中 根据imgs图片的路径找到对应labels的路径 Define label paths as a function of image paths :params img_paths: {list: 50}

用在detect.py和test.py中 将预测坐标从feature map映射回原图 将坐标coords(x1y1x2y2)从img1_shape缩放到img0_shape尺寸 Rescale coords (xyxy) from img1_shape to img0_shape

广泛用于train.py、val.py、detect.py等文件中 用于选择模型训练的设备 并输出日志信息 :params device: 输入的设备 device = 'cpu' or '0' or '0,1,2,3' :params batch_size: 一个批次的图

广泛使用在train.py、val.py、detect.py等文件的main函数的第一步 对日志的设置(format、level)等进行初始化

用在val.py、detect.py、train.py等文件中 一般用在测试、验证阶段 加载模型权重文件并构建模型（可以构造普通模型或者集成模型） Loads an ensemble of models weights=[a,b,c] or a single model weigh

用在train.py和detect.py中 检查本地有没有数据集 检查数据集 如果本地没有则从torch库中下载并解压数据集 :params data: 是一个解析过的data_dict len=7 例如: ['path'='../datase

这个函数主要用于train.py中和detect.py中 用来检查图片的长宽是否符合规定 检查img_size是否能被s整除，这里默认s为32 返回大于等于img_size且是s的最小倍数 Verify img_size is a multiple of stride s

没用到 返回本地文件的大小(MB) :params file: 要查询的文件地址

在ModelEMA类中调用 用于判断模型是否支持并行 Returns True if model is of type DP or DDP

用在LoadImagesAndLabels模块的__getitem__函数和load_mosaic模块中 从self或者从对应图片路径中载入对应index的图片 并将原图中hw中较大者扩展到self.img_size, 较小者同比例扩展 loads 1 image from data

用在下面的make_divisible函数中 yolo.py的parse_model函数和commom.py的AutoShape函数中 取大于等于x且是divisor的最小倍数 Returns x evenly divisible by divisor

用在check_anchors函数中 compute metric 根据数据集的所有图片的wh和当前所有anchors k计算 bpr(best possible recall) 和 aat(anchors above threshold) :params k: a

Runs Non-Maximum Suppression (NMS) on inference results Params: prediction: [batch, num_anchors(3个yolo预测层), (x+y+w+h+1+num_classes)]

用于kmean_anchors函数 适应度计算 优胜劣汰 用于遗传算法中衡量突变是否有效的标注 如果有效就进行选择操作 没效就继续下一轮的突变 :params k: [9, 2] k-means生成的9个anchors wh: [N, 2]: 数据集的所有gt

用于计算混淆矩阵 https://github.com/pytorch/vision/blob/master/torchvision/ops/boxes.py :params box1: (Tensor[N, 4]) [N, x1y1x2y2] :params box2:

用在下面的xyxy2xywhn、save_one_boxd等函数中 将boxes的坐标(x1y1x2y2 左上角右下角)限定在图像的尺寸(img_shape hw)内 Clip bounding x1y1x2y2 bounding boxes to image shape (heig

在train.py中被调用，用于生成Trainloader, dataset，testloader 自定义dataloader函数: 调用LoadImagesAndLabels获取数据集(包括数据增强) + 调用分布式采样器DistributedSampler +

用于yolo.py文件的Model类的info函数 输出模型的所有信息 包括: 所有层数量, 模型总参数量, 需要求梯度的总参数量, img_size大小的model的浮点计算量GFLOPs :params model: 模型 :params verbose: 是否输出每一层

用于ap_per_class函数 Metric-Confidence curve 可用于绘制 F1-Confidence/P-Confidence/R-Confidence曲线 :params px: [0, 1, 1000] 横坐标 0-1 1000个点 conf [1000]

一般会用在detect.py中在nms之后变量每一个预测框，再将每个预测框画在原图上 使用opencv在原图im上画一个bounding box :params x: 预测得到的bounding box [x1 y1 x2 y2] :params im: 原图 要将boun

用于kmean_anchors函数中打印k-means计算相关信息 计算bpr、aat=>打印信息: 阈值+bpr+aat anchor个数+图片大小+metric_all+best_mean+past_mean+Kmeans聚类出来的anchor框(四舍五入) :

这个函数会用于load_mosaic中用在mosaic操作之后 随机透视变换 对mosaic整合后的图片进行随机旋转、缩放、平移、裁剪，透视变换，并resize为输入大小img_size :params img: mosaic整合后的图片img4 [2*img_size, 2*im

:params data: 数据集配置文件地址 包含数据集的路径、类别个数、类名、下载地址等信息 train.py时传入data_dict :params weights: 模型的权重文件地址 运行train.py=None 运行test.py=默认weights/yolov5s.

用在train.py 用于处理模型进行分布式训练时同步问题 基于torch.distributed.barrier()函数的上下文管理器，为了完成数据的正常同步操作（yolov5中拥有大量的多线程并行操作） Decorator to make all processes in

用在datasets.py的 LoadImagesAndLabels类的__getitem__函数、load_mosaic、load_mosaic9等函数中 将xywh(normalized) -> x1y1x2y2 (x, y): 中间点 wh: 宽高 (x1, y1): 左上点

Depthwise convolution 深度可分离卷积 :params c1: 输入的channel值 :params c2: 输出的channel值 :params k: 卷积的kernel_size :params s: 卷积的stride

:params cfg:模型配置文件 :params ch: input img channels 一般是3 RGB文件 :params nc: number of classes 数据集的类别个数 :anchors: 一般是None

source - https://gist.github.com/simon-weber/7853144 A context manager that will prevent any logging messages triggered during the body from bein

train.py 实现从几个云平台(github/googleleaps云服务器)下载文件(预训练模型) :params file: 如果是文件路径 且这个路径不存在文件就尝试下载文件 果是url地址 就直接下载文件

为same卷积或same池化作自动扩充（0填充） Pad to 'same' :params k: 卷积核的kernel_size :return p: 自动计算的需要pad值（0填充）

用在__init__函数中 cache数据集label 加载label信息生成cache文件 Cache dataset labels, check images and read shapes :params path: cache文件保存地址

用在check_anchors最后 确定anchors和stride的顺序是一致的 Check anchor order against stride order for YOLOv5 Detect() module m, and correct if necessary :para

在下面的check_git_status、check_requirements等函数中使用 检查当前主机网络连接是否可用

在ModelEMA函数和yolo.py中Model类的autoshape函数中调用 复制b的属性(这个属性必须在include中而不在exclude中)给a :params a: 对象a(待赋值) :params b: 对象b(赋值) :params include:

用在train.py中, 用于加载和保存模型(参数) 判断单卡还是多卡(能否并行) 多卡返回model.module 单卡返回model

Download 1 file :params url: 文件下载地址 Path(url).name=文件名 :params dir: 文件保存的目录

在下面的check_git_status、check_requirements等函数中使用 返回Windows系统可以安全、完整显示的字符串 Return platform-dependent emoji-safe version of string

:params x: 输入图像 :params profile: True 可以做一些性能评估 :params feature_vis: True 可以做一些特征可视化 :return train: 一个tensor list 存放三

用在detect.py、val.py fuse model Conv2d() + BatchNorm2d() layers 调用torch_utils.py中的fuse_conv_and_bn函数和common.py中Conv模块的fuseforward函数

在后面的check_git_status和check_imshow等函数中被调用 查询当前环境是否是docker环境 Is environment a Docker container?

用在LoadImagesAndLabels模块的__getitem__函数 进行mosaic数据增强 将四张图片拼接在一张马赛克图像中 loads images in a 4-mosaic :param index: 需要获取的图像索引 :return: img4: mos

weights: 权重文件 cfg: 模型配置文件 包括nc、depth_multiple、width_multiple、anchors、backbone、head等 data: 数据集配置文件 包括path、train、val、test、nc、names、download

下载 url/url2 路径对应的网页文件 Attempts to download file from url or url2, checks and removes incomplete downloads < min_bytes :params file: 要下载的文

用在detect.py文件中 由opt的save-crop参数控制执不执行 将预测到的目标从原图中扣出来 剪切好 并保存 会在runs/detect/expn下生成crops文件，将剪切的图片保存在里面 Save image crop as {file} with crop siz

用在train.py模型训练完后 将optimizer、training_results、updates...从保存的模型文件f中删除 Strip optimizer from 'f' to finalize training, optionally save as 's'

:params hyp: data/hyps/hyp.scratch.yaml hyp dictionary :params opt: main中opt参数 :params device: 当前设备

用在datasets.py的load_mosaic和load_mosaic9函数 xy(normalized) -> xy Convert normalized segments into pixel segments, shape (n,2)

迭代器

用在上面的__init__函数上 将推理结果恢复到原图图片尺寸 Test Time Augmentation(TTA)中用到 de-scale predictions following augmented inference (inverse operation)

用在上面的__init__函数上 initialize biases into Detect(), cf is class frequency https://arxiv.org/abs/1708.02002 section 3.3

构造网格

用于val.py中计算每个类的mAP 计算每一个类的AP指标(average precision)还可以 绘制P-R曲线 mAP基本概念: https://www.bilibili.com/video/BV1ez4y1X7g2 Source: https://github.c

用在detect.py文件的nms后继续对feature map送入model2 进行二次分类 几乎不会用它 定义了一个二级分类器来处理yolo的输出 当前实现本质上是一个参考起点，您可以使用它自行实现此项 比如你有照片与汽车与车牌, 你第一次剪切车牌, 并将其发送到第二阶段分

用在LoadImagesAndLabels模块的__getitem__函数 hsv色域增强 处理图像hsv，不对label进行任何处理 :param img: 待处理图片 BGR [736, 736] :param hgain: h通道色域参数 用于生成新的h通道

用在cutout中 计算box1和box2相交面积与box2面积的比例 Returns the intersection over box2 area given box1, box2. box1 is 4, box2 is nx4. boxes are x1y1x2

在ComputeLoss的__call__函数中调用计算回归损失 :params box1: 预测框 :params box2: 预测框 :return box1和box2的IoU/GIoU/DIoU/CIoU

用在random_perspective中 对透视变换后的图片label进行筛选 去除被裁剪过小的框(面积小于裁剪前的area_thr) 还有长和宽必须大于wh_thr个像素，且长宽比范围在(1/ar_thr, ar_thr)之间的限制 Compute candidate boxes

Build targets for compute_loss() :params p: 预测框 由模型构建中的三个检测头Detector返回的三个yolo层的输出 tensor格式 list列表 存放三个tensor 对应的是三

用于train.py中 通过bpr确定是否需要改变anchors 需要就调用k-means重新计算anchors Check anchor fit to data, recompute if necessary :params dataset: 自定义数据集LoadImage

用在train.py的main函数的一开始 检查当前代码版本是否是最新的 如果不是最新的 会提示使用git pull命令进行升级

用在detect.py中 使用webcam的时候调用 检查当前环境是否可以使用opencv.imshow显示图片 主要有两点限制: Docker环境 + Google Colab环境

用在下面的函数check_requirements中 检查当前的版本号是否满足最小版本号minimum Check current python version vs. required python version

在datasets.py中的LoadStreams类中被调用 字符串s里在pattern中字符替换为下划线_ 注意pattern中[]不能省 Cleans a string by replacing special characters with underscore _

用在test.py中 从80类映射到91类的coco索引 取得对应的class id 将80个类的coco索引换成91类的coco索引 :return x: 为80类的每一类在91类中的位置

用于ap_per_class函数中 计算某个类别在某个iou阈值下的mAP Compute the average precision, given the recall and precision curves :params recall: (list) [1635] 在